Python实现决策树回归模型(DecisionTreeRegressor算法)并应用网格搜索算法调优项目实战

这篇具有很好参考价值的文章主要介绍了Python实现决策树回归模型(DecisionTreeRegressor算法)并应用网格搜索算法调优项目实战。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

1.项目背景

决策树除了能进行分类分析,还能进行回归分析,即预测连续变量,此时的决策树称为回归决策树。回归问题是一类预测连续值的问题,而能满足这样要求的数学模型称作回归模型,本项目应用决策树回归模型进行探索新冠疫情、原材料、人工、物流等因素对零部件价格的影响

本项目通过决策树回归算法进行构建模型。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成),数据项统计如下:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

数据详情如下(部分展示):

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 关键代码:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

3.2数据缺失查看

使用Pandas工具的info()方法查看数据信息:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 从上图可以看到,总共有9个变量,数据中无缺失值,共101条数据。

关键代码:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

3.3数据描述性统计

通过Pandas工具的describe()方法来查看数据的平均值、标准差、最小值、分位数、最大值。

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

关键代码如下:  

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

4.探索性数据分析

4.1 零件价格变量的折线图

用Matplotlib工具的plot()方法绘制直方图:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 从上图可以看到,零部件价格整体在20到60之间波动。

4.2 相关性分析

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

从上图可以看出,数值越大相关性越强,正值是正相关、负值是负相关。材料费、加工费、管理费用、运输包装费用和零件价格是正相关,疫情防控等级1级是正相关 但是相关性不大,疫情防控等级2级3级是负相关,相关性也很小。

4.3 数据的散点图

通过散点图拟合线显示材料费和零件价格之间的趋势关系。

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 从上图中可以看到,材料费变量和零售价格变量成线性相关。

5.特征工程

5.1 建立特征数据和标签数据

关键代码如下:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

5.2 数据集拆分

通过train_test_split()方法按照80%训练集、20%测试集进行划分,关键代码如下:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

6.构建决策树回归模型

主要使用DecisionTreeRegressor算法,用于目标回归。

6.1 默认参数模型构建

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 6.2 决策树特征重要性分析

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

从上图可以看到,疫情防控等级的重要性很小。

6.3 递归特征消除法(RFE)选择特征

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 从上图可以看到最优的特征数为3个,分别为:材料费、加工费、运输包装费用,即排名中为1的。通过和特征重要性的数值比对,重要性排名前3的也为材料费、加工费、运输包装费用,后面选择这3个特征进行再次建模。

6.4 通过网格搜索寻找最优参数值

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

关键代码如下:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征 6.5 最优参数值构建模型

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

7.模型评估

7.1评估指标及结果

评估指标主要包括R方、均方误差、解释性方差、绝对误差等等。

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 从上表可以看出,特征选择和网格搜索调优后的决策树回归模型R方为0. 9246 高于调优前的0.8199,同时可解释性方差也高于调优前的数值。

关键代码如下:

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

7.2 真实值与预测值对比图

从上图可以看出真实值和预测值波动基本一致,模型效果良好。

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

 7.3 决策树回归模型可视化

decisiontreeregressor,机器学习,python,决策树回归模型,网格搜索算法调优,机器学习项目实战,特征重要性分析,递归特征消除法选择特征

8.结论与展望

综上所述,本文采用了决策树算法构建回归模型,并进行了特征重要性分析、通过递归特征消除法进行选择特征、通过网格搜索寻找最优参数值,并应用最优参数值进行构建模型,最终证明了我们提出的模型效果良好。此模型可用于日常产品的预测。文章来源地址https://www.toymoban.com/news/detail-810264.html

# 本次机器学习项目实战所需的资料,项目资源如下:
 
# 项目说明:

# 链接:https://pan.baidu.com/s/1_P4XLdvMPUnV0Wu8y8n0Cw 
# 提取码:qn0h

# 用Pandas工具查看数据
print(data.head())
print('******************************')

# 数据缺失值统计
print(data.info())
print('******************************')

# 描述性统计分析
print(data.describe())
print('******************************')

data = data.drop(columns=['日期'])  # 去掉日期字段

# 零件价格变量的折线图
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.plot(data.index, data['零件价格'], color='#F94306', label='零件价格')  # 绘制折线图
plt.xlabel("索引")  # 设置x轴名称
plt.ylabel("数值")  # 设置y轴名称
plt.title('零件价格变量折线图')  # 设置标题

到了这里,关于Python实现决策树回归模型(DecisionTreeRegressor算法)并应用网格搜索算法调优项目实战的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Python实现分位数回归模型(quantreg算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 分位数回归是简单的回归,就像普通的最小二乘法一样,但不是最小化平方误差的总和,而是最小化从所选分位数切点产生的绝对误差之和。 本

    2024年04月24日
    浏览(34)
  • Python实现稳健线性回归模型(rlm算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 稳健回归可以用在任何使用最小二乘回归的情况下。在拟合最小二乘回归时,我们可能会发现一些异常值或高杠杆数据点。已经确定这些数据点

    2024年01月22日
    浏览(48)
  • Python实现ACO蚁群优化算法优化卷积神经网络回归模型(CNN回归算法)项目实战

    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。 蚁群优化算法(Ant Colony Optimization, ACO)是一种源于大自然生物世界的新的仿生进化算法,由意大利学者M. Dorigo, V. Maniezzo和A.Colorni等人于20世纪90年代初

    2024年02月05日
    浏览(41)
  • Python实现猎人猎物优化算法(HPO)优化卷积神经网络回归模型(CNN回归算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 猎人猎物优化搜索算法(Hunter–prey optimizer, HPO)是由Naruei Keynia于2022年提出的一种最新的优化搜索算法。受到捕食动物(如狮子、豹子和狼)和猎物

    2024年02月09日
    浏览(48)
  • Python基于PyTorch实现卷积神经网络回归模型(CNN回归算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 卷积神经网络,简称为卷积网络,与普通神经网络的区别是它的卷积层内的神经元只覆盖输入特征局部范围的单元,具有稀疏连接(sparse connec

    2024年02月15日
    浏览(45)
  • Python基于PyTorch实现循环神经网络回归模型(LSTM回归算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 LSTM网络是目前更加通用的循环神经网络结构,全称为Long Short-Term Memory,翻译成中文叫作“长‘短记忆’”网络。读的时候,“长”后面要稍

    2024年02月16日
    浏览(54)
  • Python实现递归最小二乘法回归模型(RecursiveLS算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 RLS主要是在误差平方和最小的原则基础上, 提出一种解析的拟合模型参数的迭代递推公式;可以实现在新的样本数据到来时, 利用新的样本数据以及

    2024年01月16日
    浏览(56)
  • Python实现GA遗传算法优化BP神经网络回归模型(BP神经网络回归算法)项目实战

    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。 遗传算法(Genetic Algorithm,GA)最早是由美国的 John holland于20世纪70年代提出,该算法是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生

    2024年02月14日
    浏览(178)
  • Python实现PSO粒子群优化算法优化BP神经网络回归模型(BP神经网络回归算法)项目实战

    说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取。 PSO是粒子群优化算法(Particle Swarm Optimization)的英文缩写,是一种基于种群的随机优化技术,由Eberhart和Kennedy于1995年提出。粒子群算法模仿昆虫、

    2024年02月13日
    浏览(50)
  • Python实现猎人猎物优化算法(HPO)优化BP神经网络回归模型(BP神经网络回归算法)项目实战

    说明:这是一个机器学习实战项目(附带 数据+代码+文档+视频讲解 ),如需 数据+代码+文档+视频讲解 可以直接到文章最后获取。 猎人猎物优化搜索算法(Hunter–prey optimizer, HPO)是由Naruei Keynia于2022年提出的一种最新的优化搜索算法。受到捕食动物(如狮子、豹子和狼)和猎物

    2024年02月09日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包